[发明专利]一种分布式智能邮件分析过滤方法、系统及存储介质

摘要

本发明提供了一种分布式智能邮件分析过滤方法、系统及存储介质。本发明通过将邮件分发到多台运算服务器上进行并发处理，抽取邮件元素，并对附件中的文档、图片及压缩包等文件进行文本提取及OCR字符识别，对提取出的信息再自动进行数据挖掘及分类，最终按一定规则入库到ElasticSearch中，在ElasticSearch中可以快速对海量邮件进行灵活过滤、智能统计、可视化关联分析及全文检索，可以直观、快速找到线索，一举解决涉案邮件数据庞大、人工浏览时间长、效率低的问题。

主权项

1.一种分布式智能邮件分析过滤方法，其特征在于，该方法包括：负载均衡调度步骤，监控分布式环境下各运算服务器的资源负载情况，把待处理的邮件数据分配到各个运算服务器；邮件清洗步骤，各个运算服务器把来源于不同邮件客户端的邮件数据进行格式化，统一转换成遵循RFC822及其后续扩展的EML格式，并把文档、图片及压缩包的邮件附件格式化成可阅读的UTF8编码文本数据；邮件挖掘步骤，挖掘存在于邮件正文和附件中的线索信息；邮件索引步骤，把一封EML拆解成多个实体，所述多个实体包括邮件头部、邮件正文和邮件附件，每个实体再拆解成键值对形式的数据，采用ElasticSearch对每个键值对构建索引；邮件统计步骤，对邮件中收发件人总数、邮箱出现频次、IP出现频次及附件类型分布情况进行智能统计生成统计数据；邮件分析步骤，对每封邮件的流转生命周期的时间线、邮箱之间的关联关系及邮件发送轨迹的IP进行分析。